自動(dòng)駕駛四大關(guān)鍵技術(shù)是感知技術(shù)、決策技術(shù)、路徑規(guī)劃、運(yùn)動(dòng)控制。

感知技術(shù)：

作為第一步的環(huán)境感知，就是環(huán)境信息和車(chē)內(nèi)信息的采集與處理，它是智能車(chē)輛自主行駛的基礎(chǔ)和前提。獲取周?chē)h(huán)境信息，涉及道路邊界檢測(cè)、車(chē)輛檢測(cè)、行人檢測(cè)等技術(shù)，即傳感器技術(shù)所用到的傳感器一般有激光測(cè)距儀、視頻攝像頭、車(chē)載雷達(dá)、速度和加速度傳感器等等。

決策技術(shù)：

完成了感知部分，接下來(lái)需要做的便是依據(jù)感知系統(tǒng)獲取的信息來(lái)進(jìn)行決策判斷，確定適當(dāng)?shù)墓ぷ髂Ｐ?，制定相?yīng)的控制策略。這部分的功能類(lèi)似于給車(chē)輛下達(dá)相應(yīng)的任務(wù)。

路徑規(guī)劃：

智能車(chē)輛有了行駛?cè)蝿?wù)，智能車(chē)輛的路徑規(guī)劃就是在進(jìn)行環(huán)境信息感知并確定車(chē)輛在環(huán)境中的位置的基礎(chǔ)上，按照一定的搜索算法，找出一條可通行的路徑，進(jìn)而實(shí)現(xiàn)智能車(chē)輛的自主導(dǎo)航。

運(yùn)動(dòng)控制：

運(yùn)動(dòng)控制包括橫向控制和縱向控制，簡(jiǎn)單來(lái)說(shuō)橫向控制就是轉(zhuǎn)向控制，縱向控制就是速度控制，現(xiàn)在研究比較多的是橫向控制，所運(yùn)用的方法主要包括滑膜控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制、最優(yōu)控制、自適應(yīng)控制和跟蹤控制等。

自動(dòng)駕駛曾經(jīng)有很多技術(shù)路線，2019年后形成了兩個(gè)主要流派：一個(gè)是高精地圖+激光雷達(dá)的地圖派，高精地圖和激光雷達(dá)就像是自動(dòng)駕駛車(chē)輛的“兩根拐杖”，靠激光雷達(dá)增強(qiáng)感知能力，高精地圖提高規(guī)劃能力，然后在算法的輔助下實(shí)現(xiàn)車(chē)輛的自動(dòng)駕駛功能。另一個(gè)是擺脫了高精地圖限制的感知派，簡(jiǎn)單來(lái)說(shuō)就是丟掉了高精地圖的拐杖，依賴(lài)于激光雷達(dá)+毫米波+攝像頭的感知能力。“感知系統(tǒng)”就像是自動(dòng)駕駛的“眼睛”與“耳朵”，然后對(duì)路況做出實(shí)時(shí)判斷。

隨著自動(dòng)駕駛技術(shù)的進(jìn)步發(fā)展，企業(yè)們逐漸發(fā)現(xiàn)過(guò)分的依賴(lài)高精地圖卻帶來(lái)了不少的約束與限制。目前，自動(dòng)駕駛難以完全落地的主要原因便是高精地圖的建造與高昂的維護(hù)成本。每日更新城市中的地圖對(duì)于自動(dòng)駕駛企業(yè)而言更是難以完成的目標(biāo)，而隨著高精地圖資質(zhì)的收緊，國(guó)內(nèi)更是只有個(gè)別的圖商才有繪制地圖的資質(zhì)。對(duì)于車(chē)企而言，沒(méi)有一家OEM愿意將如此重要的籌碼假手他人，與圖商的合作也難以徹底消除此類(lèi)擔(dān)憂。在如此背景下，拋棄高精地圖而提升感知能力不失為一個(gè)好的選擇。

在國(guó)外，特斯拉無(wú)疑是踐行這一思路最早的玩家，其率先使用的BEV感知模型迎得國(guó)內(nèi)外自動(dòng)駕駛企業(yè)紛紛效仿，也通過(guò)市場(chǎng)的反饋?zhàn)C明了未來(lái)純視覺(jué)自動(dòng)駕駛的可能性。國(guó)內(nèi)，也有多家企業(yè)正逐步進(jìn)行戰(zhàn)略轉(zhuǎn)型：小鵬重申從2023年開(kāi)始，從高速到城市NGP，都不再依靠高精地圖；理想將基于BEV感知和Transformer模型，實(shí)現(xiàn)不依賴(lài)高精地圖的城市NOA；其實(shí)，重感知的路線并非新鮮概念，國(guó)內(nèi)自動(dòng)駕駛公司毫末智行最早選擇了這種方式，并且很長(zhǎng)一段時(shí)間內(nèi)也幾乎是行業(yè)內(nèi)唯一采用“重感知”路線的廠商。其發(fā)布的MANA五大模型，助力感知效果的提升，降低了自動(dòng)駕駛對(duì)于高精地圖的依賴(lài)性。一個(gè)行業(yè)中企業(yè)路線的切換往往是經(jīng)過(guò)深思熟慮，影響也是深遠(yuǎn)的，而正確路線的盡早確立將為企業(yè)帶來(lái)強(qiáng)大的先發(fā)優(yōu)勢(shì)，這一點(diǎn)上毫末走在了中國(guó)自動(dòng)駕駛的前列。

在未來(lái)，“重感知、輕地圖”的路線優(yōu)勢(shì)將逐漸顯現(xiàn)，車(chē)企們通過(guò)落地測(cè)試，積累了大量的真實(shí)路況數(shù)據(jù)，從而讓自動(dòng)駕駛系統(tǒng)學(xué)到了更多有價(jià)值的經(jīng)驗(yàn)，成為名副其實(shí)的“老司機(jī)”。我們?nèi)祟?lèi)開(kāi)車(chē)并不需要知道信息量如此巨大的全局高精地圖信息，對(duì)于機(jī)器來(lái)說(shuō)完全依靠強(qiáng)大的感知能力應(yīng)對(duì)各種場(chǎng)景從原理上是可行的，而越來(lái)越多的公司正在證明著這一點(diǎn)。也只有如此，才真正為自動(dòng)駕駛的量產(chǎn)落地打下堅(jiān)實(shí)的基礎(chǔ)。

對(duì)于自動(dòng)駕駛系統(tǒng)來(lái)說(shuō)，軟、硬件都發(fā)揮著非常重要的作用，缺一不可。硬件方面，自動(dòng)駕駛芯片作為計(jì)算的載體，已成為智能汽車(chē)的核心。過(guò)去，自動(dòng)駕駛芯片主要以實(shí)現(xiàn)單一功能為主（支持低級(jí)別的輔助駕駛），如控制底盤(pán)、發(fā)動(dòng)機(jī)、剎車(chē)燈等，而以特斯拉為代表的汽車(chē)電子電氣架構(gòu)顛覆了傳統(tǒng)模式，采用了中央集中式架構(gòu)，即用一個(gè)“大腦”控制整車(chē)，域控制器逐漸集成傳感器、數(shù)據(jù)融合、路徑規(guī)劃、決策等運(yùn)算處理功能，另外，自動(dòng)駕駛級(jí)別逐步提升，應(yīng)用功能愈加豐富，這些使得汽車(chē)對(duì)芯片算力的要求越來(lái)越高。 在此背景下，高算力的硬件部署在行業(yè)中已經(jīng)是迫在眉睫。

我們知道，數(shù)據(jù)驅(qū)動(dòng)是自動(dòng)駕駛未來(lái)發(fā)展的方向與趨勢(shì) 。海量的產(chǎn)品數(shù)據(jù)、超大規(guī)模的數(shù)據(jù)訓(xùn)練、大模型的應(yīng)用等，都對(duì)算力提出了更龐大的需求。在未來(lái)，擺脫高精地圖成為趨勢(shì)，重感知與高算力都將成為必然?？梢哉f(shuō)未來(lái)的自動(dòng)駕駛就是數(shù)據(jù)與算力的競(jìng)爭(zhēng)，誰(shuí)擁有了最全面、最豐富的場(chǎng)景數(shù)據(jù)，并且擁有足夠算力的硬件部署能夠處理，誰(shuí)就能在自動(dòng)駕駛未來(lái)的競(jìng)爭(zhēng)中占得上風(fēng)。